矿业安全与环保

作者：吴丙梅, 薛生, 杨超宇

关键词：冲击地压, 危险性预测, 集成学习, 海明损失, SHAP值, XGBoost

为了进一步提高冲击地压危险性预测的准确性，利用集成学习方法对冲击地压发生的主要因素指标进行了分析，分别采用集成学习方法中7种分类预测模型对冲击地压危险性进行了预测，实验结果表明, 7种模型均具有一定的可靠性，将模型的准确度和海明损失作为评价指标，得出XGBoost算法具有较高的预测性能，可以相对有效地对冲击地压的危险性进行预测。最后，利用SHAP值对XGBoost模型进一步解释，冲击地压危险性受弹性能指数的影响最大。

来源：2023年第1期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2023年第1期